1. Popis programu

1. Popis programu
java -jar XMLsplitter.jar
­minSize=? maxSize=? divSize=? ­config(=?) headerXpath=? ­contentXpath=? ­i=? ­o(=?) ­L=? ­delimiter1=? ­delimiter2=? ­minSize ­ half­optional. min xor max xor divSize must be set. Min size od output file­chunk (default kilobytes(k), b,m,g can be used) ­maxSize ­ half­optional. min xor max xor divSize must be set. Max size od output file­chunk (eg 100k is same as 100, 1m equals 1024k, 1024b is equals to 1 or to 1k ) ­divSize ­ half­optional. min xor max xor divSize must be set. Number of chunks file will be splitted Atleast one content element is always included. only one of ^^ should be declared (in fact, last one is used) ­config ­ config file with preset params. default is default.conf, commandline params owerwrite in­file ones. If not set, then hardcoded are used ­headerXpath ­ xpath expression defining header elements. Default is nothing ­contentXpath ­ xpath expression defining body of chunk. Default is /* ­footerXpath ­ xpath expression defining footer of chunk. Default is nothing ­o ­ optional. output directory for chunks. Default is working directory. When not set, output is std­out ­i ­ optional. inputfile. Defouult is std­in. ­L ­ optional. loging level. 0­(defoult) all messages go to error Stream. 1 ­ messages go to stdout, 2­ no messages ­delimiter1 ­ optional. output files have name: inputFile_without_sufixDELIMITER1chunkNumberDEIMITER2.suffix default _part_ ­delimiter2 ­ optional. output files have name: inputFile_without_sufixDELIMITER1chunkNumberDEIMITER2.suffix default is none Tato aplikace dělí xml na menší části. Velikost částí je definovatelná třemi způsoby: minSize,
maxSize a divSize. V případě minSize bude každý kousek alespoň tak velký, v případě maxSze nikdy
nebude větší – než zadaná hodnota. Defaultní jsou kilobajty, lze použít příponu b-bajty,k-kilbajty,mmegabjty, g-giga... Divsiz=n dělí soubor na n přibližně stejných dílů. Výhoda divSize je že poslední
dílek není doplněk jako v případě min a max sizes.
Header, content a footer xpath – ačkoliv tyto elementy nejsou povinné, jejich vynechání způsobí
zajímavé výsledky. Definují části, které budou na začátku každého kousku, v těle kousků a na konci
každého kousku.
Vstup/výstup – vstupem je standardní vstup nebo zadaný soubor i=file_name. Pro výstupní
kousky je opět standardní výstup. Samostatné -o generuje soubory do pracovního adresáře a
o=dir_name generuje soubry do zadaného adresáře
Konfigurace – místo zadávání parametrů z příkazové řádky lze nastavit konfigurační soubor
sdílený XMLsplittem i XMLjoinem. Je vhodné do něj umístit xpath výrazy , dělící velikost, logování,
delimitery.. O něco méně vhodné je tam mít -i/-o. Parametry příkazové řádky přebijí parametry
konfiguráku. Konfigurační soubor default.conf se použije při volbě -config. Dále se dá volat
-config=file_name kdy se použije file_name subor.
Parametry delimiter není třeba měnit. Slouží jen pro kosmetické úprvy.
java -jar XMLjoiner.jar
­config ­ config file with preset params. default is default.conf, commandline params owerwrite in­file ones. If not set, then hardcoded are used ­headerXpath ­ xpath expression defining header elements. Default is nothing ­contentXpath ­ xpath expression defining body of chunk. Default is /* ­footerXpath ­ xpath expression defining footer of chunk. Default is nothing ­o ­ optional. output file for joined xml. When not set, output is std­out, when set without param, then file name is generated from inputfiles. If directory, outpufile will be guessed to this directory ­L ­ optional. loging level. 0­(defoult) all messages go to error Stream. 1 ­ messages go to stdout, 2­ no messages ­delimiter1 ­ optional. will remove delimiter1(0­9)*delimiter2 from filename. default is _part_ ­delimiter2 ­ optional. will remove delimiter1(0­9)*delimiter2 from filename. default is none ­checkHeaders ­ optional. will check headers and footers if they are coonsists over all files ­sortA ­ optional. will sort input files alpahbetivcaly ­sortN ­ optional. will try to sort input files numericly ­i ­ optional. regular expression for finding of input files. Reg.ex is following java conventions http://download.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html any other argument is cosidered as input file, notexisting are skipped, user warned Tato aplikace umí spojit soubory vzniklé XMLsplitem (či čímkoliv jiným, ale aby splňovali
zadání header/content/footer). Config,xpathy, L(oging),delimiters jsu shodné s XMLsplitter.
Výstup programu je na standardní výstup. S parametrem -o potom je uložen do souboru v
pracovním adresáři odvozeného z názvu dílků. Při o=file_name se uloží do file_name.
Vstupem programu je množina souborů Lze zadat buď jednotlivé soubory, nebo soubory
expandované příkazovou řádkou, nebo -i=some/directory/file_name_pattern kdys epřidají soubory ze
some/directory vyhovující zadanému regulárnímu výrazu.
Např.: /prace/demo_part\d*. kdy v disk obsahuje soubory
/demo_part15.xml
/prace/demo_part15.xml.txt
/prace/demo_part001.xml
/prace/demo_part_10.xml.txt
/prace/demo_part15-22.xml
/prace/zaloha/demo_part001.xml
vybere soubory:
/prace/demo_part001.xml
/prace/demo_part15-22.xml
Regex se řídí syntaxí javy(perlu) –
http://download.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html , která je aplikací rozšířene
regulární gramatiky o počítání.
Jednotlivé metody přidávání souborů lze kombinovat (dokonce i několik -o parametrů za sebou)
Pozor – pořadí vstupních suborů je zcela náhodné – a protože pořadí elementů na výstupu musí
být většinou shodné se vstupním, je třeba soubory seřadit - buďto pomocí sortA – abecedně – nebo
pomoci sortN – numericky. Numerické se užije hlavně v případech kdy se jsou vstupní soubory
očíslovány bez doplňkových nul (čili místo smysluplného 001.002...999 je tam 1,2,3 .. pak abecední
řazení selhává).
Parametr checkHeaders kontroluje, zdali mají vstupní soubory stejné hlavičky a patičky a
rozdílný obsah. Měl by pomoci odhalit duplicitní soubory, případně soubory z jiného projektu.
java -jar XMLcompare.jar
­ignoreContent ­failFast ­silent file1 file2 at least two arguments ­ Two valid filenames are expected ­ignoreContent ­ optional. Will disable chcking of text values of elements (for case docment have been transalted) ­failFast ­ optional. terminate after first error ­silent ­ optional will
Tato aplikace slouží k validitě že soubor vzniklý rozdělením a složením původního souboru je
shodný (ve smyslu XML) s originálem. Tzn ignoruje komentáře a mezi-elementový prostor.
Pozor – výstup programu je přibližně 7*velikost_vstupního_xml. S použitým silence je výstupem
jediná věta – “xml jsou shodná” nebo “počet chyb ..”. FailFast je další urychlovač – program se ukončí
při první chybě.
Ignorecontent je přepínač který způsobí že je kontrolována pouze struktura xml a ne jeho obsah
tzn:
<root><element>aaa</element></root>
a
<root>
<element>bbb</element>
</root>
Jsou shodné s –ignoreContent, ale rozdílné bez něj.
Samozřejmě
<root>
<element>aaa</element>
<element>bbb</element>
</root>
je odlišný od obou.
Vstupem jsou dva vstupní soubory a výstup jde na standardní výstup.
2. parametr conf a spouštěcí skript
Parametr conf může být zavádějící. Poněkud maximalistický zápis volání jaru může být:
java ­Xmx1g ­jar XMLsplitter.jar maxSize=1m headerXpath=/root/head/headers ­contentXpath=/root/content/contents ­footerXpath=/root/footer/footers ­i=/my/input/file.xml ­o=/my/beloved/directory ­L=1 ­delimiter1=_chunk­ ­delimiter2=­byMe Což vypadá v pravdě komplikovaně. Volání java ­Xmx1g ­jar je spuštění javy XMLsplitter.jar je
program který pouštíme zbytek jsou jeho parametry. Nicméně jediné co je opravdu nutné zadat je
vstupní (a pravděpodobně výstupní soubor). Přesně na toto slouží mechanismus -conf.
Pokud je spuštěn bez hodnoty, hledá soubor default.conf. Využití přímo tohoto souboru je
poněkud nešťastné. Je vhodnější ho spustit -conf=/nejaka/cesta/konfigurak.conf kdy je tedy přesně
řečeno jakou sadu parametrů použít. Synatxe konfiguráku je stejná jako příkazové řádky tedy:
headerXpath=/STEP­ProductInformationTranslation/Qualifiers | /STEP­ProductInformationTranslation/UnitList contentXpath=/STEP­ProductInformationTranslation/Products/Product
L=1
delimiter1=hodnotaProProjekt
maxSize=1m
atd....
Důležité je že konfigurační soubor může být sdílen XMLsplitterem i XMLjinerem. Také je třeba
pamatovat že příkazová řádka přebije hodnoty v konfiguráku. Volání se tedy zjednoduší na toto:
java ­Xmx1g ­jar XMLsplitter.jar ­conf=/nejaka/cesta/konfigurak.conf ­i=/my/input/file.xml ­o=/my/beloved/directory
Další zjednodušení volání už záleží na organizaci práce a různých stupních počítačové
gramotnosti jednotlivých uživatelů. Uvážíme-li že nakonfigurování XPath výrazů může být netriviální
pak připravení konfiguračního souborů může padnout na zkušenou osobu. Potom se dá ještě celý výraz
upravit do nativního skriptu:
ukazka pro windows - soubor split.bat
java ­Xmx1g ­jar /cesta/ke/globalni/instalaci/XMLsplitter.jar ­conf=/nejaka/cesta/konfigurak.conf ­i=%1 ­o=%2
Kde pak koncový uživvatel zavolá split.bat /muj/vstup.xml /muj/vystup/
ukazka pro linux - soubor split.sh
#/bin/sh
java ­Xmx1g ­jar /cesta/ke/globalni/instalaci/XMLsplitter.jar ­conf=/nejaka/cesta/konfigurak.conf ­i=$1 ­o=$2
Kde pak koncový uživvatel zavolá ./split.sh /muj/vstup.xml /muj/vystup/
Podobný postup lze i pro joiner a compare.
3. porozumění kontrolním výpisům
Každý program puštěný bez parametrů vypíše všechny své možné argumenty. Po korektním
spuštění vyysuje právě prováděnou činnost (například nastavuji parametr A na hodnotu B), poté vypíše
své nastavení (tedy sjednocení defoultních hodnot, konfiguračního souboru (pokud je použit) a
parametrů řádky). Pokud program vykazuje nekorektní chování je dobré si toto pročíst (ideálně
přesměrovat do logovacího souboru).
java -jar XMLsplitter.jar
logging set to: 1 reading: file:/home/jvanek/Desktop/demo/default.conf header xpath setted: /STEP­ProductInformationTranslation/Qualifiers | /STEP­ProductInformationTranslation/UnitList content xpath setted: /STEP­ProductInformationTranslation/Products/Product divSze setted: 5 Zde končí nastavování hodnot. Následuje jejich sjednocené zopakování spolu s verifikacemi
output file without arg. used working directory output dir setted: /home/jvanek/Desktop/demo/. input file setted: /home/jvanek/Desktop/demo/demo­in.xml logging: std­out delimiter1 set _part_ delimiter2 set header xpath: /STEP­ProductInformationTranslation/Qualifiers | /STEP­ProductInformationTranslation/UnitList content xpath: /STEP­ProductInformationTranslation/Products/Product footer xpath not set input file: /home/jvanek/Desktop/demo/demo­in.xml exists output directory: /home/jvanek/Desktop/demo/. exists minsize is not set maxsize is not set file will be splitted to: 5 chunks Zde začíná samotné dělení souboru
=======PROCESSING======= parsing /home/jvanek/Desktop/demo/demo­in.xml header list have 2 nodes! Vstupní soubor
počet elementů vybraných jednotlivými xpath výrazy – pokud se zde vyskytují 0, je
xpathpravděpodobně špatně!
header size is 4605 bytes! content list have 2104 nodes! content size is 14568788 bytes! (~13m) Velikost jednotlivých částí vybraných jednotlivými xpath výrazy – pokud se zde vyskytují 0, je
xpathpravděpodobně špatně!
saving chunk 0 size 2915252bytes in 375 chunks. Total: 2910647 19% ...
saving chunk 4 size 2919938bytes in 428 chunks Total: 14568788 100%
Velikosta počet elementů vybraných xpath výrazem pro dělený obsah – pokud se zde vyskytují
0, je xpathpravděpodobně špatně! Pokud na konci nebude 100% (event. Nebudou se rovnat kontrolní
velikosti) nastala buďto chyba zápisu nebo je opět něco (xpath?) špatně.
java -jar XMLjoiner.jar
logging set to: 1 reading: file:/home/jvanek/Desktop/demo/default.conf header xpath setted: /STEP­ProductInformationTranslation/Qualifiers | /STEP­ProductInformationTranslation/UnitList content xpath setted: /STEP­ProductInformationTranslation/Products/Product output dir setted: /home/jvanek/Desktop/demo/concated.xml sorting set to alhabetical processing demo­in_partd*.+ in /home/jvanek/Desktop/demo 15 candidates Celkový počet souborů v cílové složce. Následuje vyhodnocení které soubory vyhovují
regulérnímu výrazu
input file added: /home/jvanek/Desktop/demo/demo­in_part_00002.xml input file added: /home/jvanek/Desktop/demo/demo­in_part_00003.xml input file added: /home/jvanek/Desktop/demo/demo­in_part_00004.xml input file added: /home/jvanek/Desktop/demo/demo­in_part_00001.xml input file added: /home/jvanek/Desktop/demo/demo­in_part_00005.xml Zde končí nastavování hodnot. Následuje jejich sjednocené zopakování spolu s verifikacemi
logging: std­out delimiter1 set _part_ delimiter2 set header xpath: /STEP­ProductInformationTranslation/Qualifiers | /STEP­ProductInformationTranslation/UnitList content xpath: /STEP­ProductInformationTranslation/Products/Product footer xpath not set 5 input files output file: /home/jvanek/Desktop/demo/concated.xml input filesnow sorting alphabeticaly /home/jvanek/Desktop/demo/demo­in_part_00001.xml /home/jvanek/Desktop/demo/demo­in_part_00002.xml /home/jvanek/Desktop/demo/demo­in_part_00003.xml /home/jvanek/Desktop/demo/demo­in_part_00004.xml /home/jvanek/Desktop/demo/demo­in_part_00005.xml headers will be checked Zde začíná samotné spojování souborů
=======PROCESSING======= writing to /home/jvanek/Desktop/demo/concated.xml header list have 2 nodes! header size is 4605 bytes! content list have 375 nodes! content size is 2910647 bytes!) Výpis počtu a velikosti elementů vrácených Xpathem. Pokud jsou tu nuly, je pravděpodobně
špatně. Následující část se váže ke kontrole hlaviček:
checking heads: loaded encoding: UTF­8 expected encoding: UTF­8 ok loaded xml­version: 1.0 expected xml­version: 1.0 ok processing instructions: expeced: xml­stylesheet type="text/xsl" href="preview.xsl" loaded xml­stylesheet type="text/xsl" href="preview.xsl" have match: true checking headers: loaded headers size: 4605 expected headers size: 4605 are equals ­ ok loaded headers count: 2 expected headers count: 2 are equals ­ ok match match Hlavičky byvždyměli být shodné. Pokud některé nebudou pak se do seznamu souborů
pravděpodobně zamíchal cizí soubor.
loaded content count: 375 unexpected content count: 375 are equals ­ quite suspicious loaded content size: 2910647 unexpected content size: 2910647 are equals ­ VERY suspicious Obsah by naopak měl být rozdílný (první soubor se porovnává sám se sebou, proto je zde
varování). Pokud není, pak se do seznamu souborů pravděpodobně přimíchal nějaký duplikovaně.
saving chunk 0 size 2910647bytes in 375 chunks from total 5 files saved chunk 0 total output size 2910647bytes in 375 chunks from total 5 files Ukládání souboru, všiměte si, jak sedí velikosti vzhledem k ukládání jednotlivých dílků
(2915252bytes in 375 chunks. Total: 2910647 ) Následuje další soubor
header list have 2 nodes! ....
loaded content count: 428 unexpected content count: 375 ok­ differs loaded content size: 2915333 unexpected content size: 2910647 ok­ differs Obsahy seliž korektně liší
saving chunk 4 size 2915333bytes in 428 chunks from total 5 files saved chunk 4 total output size 14568788bytes in 2104 chunks from total 5 files
Opět sedí s výstupem splitteru: Total: 14568788 100%
java -jar XMLcompare.jar
checking concated.xml checking demo­in.xml f1: /home/jvanek/Desktop/demo/concated.xml f2: /home/jvanek/Desktop/demo/demo­in.xml Pokud zde nastsane chyba, pravděpodobně soubor/y neexistuje.
Content is comapred failFast: false silent: false opening parser for: /home/jvanek/Desktop/demo/concated.xml opening parser for: /home/jvanek/Desktop/demo/demo­in.xml Checking version: 1.0 against 1.0 OK : wersions equals Checking encoding: UTF­8 against UTF­8 OK : encodings equals Checking processing instructions OK : number of processing instructions equals 1 OK : instructions xml­stylesheet=type="text/xsl" href="preview.xsl" are similar Entering root *Checking element: STEP­ProductInformationTranslation against STEP­ProductInformationTranslation OK : names equals (STEP­ProductInformationTranslation) Checking attributes OK : number of attributes equals 8 OK : attribute ContextID ­ EU­eng­Elfa are similar OK : attribute ExportContext ­ EU­eng­Elfa are similar OK : attribute ExportTime ­ 2011­02­09 21:50:27 are similar OK : attribute PendingFileName ­ Pj050_Chapter1_ENtoRU_20110209_EU­rus­Elfa.xml are similar OK : attribute WorkspaceID ­ Approved are similar OK : attribute translationTarget ­ rus are similar OK : attribute wfmProcessID ­ 736105 are similar OK : attribute wfmProcessTemplateName ­ STTRAXML are similar Checking childrens OK : number of childrens equals 3 *Checking element: Qualifiers against Qualifiers OK : names equals (Qualifiers) Checking attributes OK : number of attributes equals 0 Checking childrens OK : number of childrens equals 9 *Checking element: Qualifier against Qualifier OK : names equals (Qualifier) Checking attributes OK : number of attributes equals 1 OK : attribute ID ­ Qualifier root are similar Checking childrens OK : number of childrens equals 1 *Checking element: DimensionPointLink against DimensionPointLink OK : names equals (DimensionPointLink) Checking attributes OK : number of attributes equals 1 OK : attribute DimensionPointID ­ Qualifier root are similar Checking childrens OK : number of childrens equals 0 Checking content OK : content equals ­ lines f1: 3, f2: 5 : leaving element: DimensionPointLink and DimensionPointLink leaving element: Qualifier and Qualifier *Checking element: Qualifier against Qualifier OK : names equals (Qualifier) Checking attributes
...................
OK : number of childrens equals 0 Checking content OK : content equals ­ lines f1: 99434, f2: 101538 : 01;SGx;13­67 leaving element: Value and Value leaving element: Values and Values leaving element: Product and Product leaving element: Products and Products leaving element: STEP­ProductInformationTranslation and STEP­ProductInformationTranslation nebo total errors=NUMBER
XMLs are same odsazení simuluje vnoření v XML stromu.
Pokud na některém řádku není OK, ale ERROR nebo WARNING, je tam uveden důvod a řádek v
souboru (f1 nebo f2 – viz hlavička výpisu)kde k chybě došlo. Tento koparátor je relativně hloupý, a i
malý rozdíl v xml může vyprodukovat obrovské množství errorů. Většinou stačí opravit první z nich
Checking content Je vztažen pouze pokud je ignoreContent vypnnuto
(porovnání pouze struktury xml – vhodné pro přeložené texty)
OK : content equals ­ lines f1: 3, f2: 5 : 4. tutorial a xpath
Tato kapitola zkusí provést uživatele krok za krokem základním použitím
1) zkontrolovat zda je nainstalována java - viz troubleshooting. Pokud ne nainstalovat.
2) Buďto použít globální kopii nebo si vytvořit lokální tohot XML programu a zkontorlvat
zda má správné soubory:
├── default.conf - nepovinný, nicméně může být užitečný, případně zkontorvast jeho
obsah co vlastně obsahuje
├── lib
│ ├── axiom-api-1.2.9.jar
│ ├── axiom-c14n-1.2.9.jar
│ ├── axiom-dom-1.2.9.jar
│ ├── axiom-impl-1.2.9.jar
│ ├── commons-collections-3.2.1.jar
│ ├── commons-collections-3.2.1-javadoc.jar
│ ├── commons-collections-3.2.1-sources.jar
│ ├── commons-collections-testframework-3.2.1.jar
│ ├── commons-logging-1.1.1.jar
│ ├── geronimo-activation_1.1_spec-1.0.2.jar
│ ├── geronimo-javamail_1.4_spec-1.6.jar
│ ├── geronimo-stax-api_1.0_spec-1.0.1.jar
│ ├── jaxen-1.1.1.jar
│ └── wstx-asl-3.2.9.jar
├── XMLcompare.jar
├── XMLjoiner.jar
└── XMLsplitter.jar
3) zajistit /adresar/se/soubor.xml ktery chceme rozdělit
Pro potřeby našeho tutoriálu nechť vypadá takto:
<?xml version="1.0"?> <?xml­stylesheet type="text/xsl" href="preview.xsl"?><STEP­ProductInformationTranslation ContextID="EU­eng­Elfa" ... wfmProcessID="736105" wfmProcessTemplateName="STTRAXML"> <Qualifiers> <Qualifier ID="Qualifier root"> <DimensionPointLink DimensionPointID="Qualifier root"/> </Qualifier>
...
<Qualifier ID="AND4926079"> <DimensionPointLink DimensionPointID="AllCountries"/> <DimensionPointLink DimensionPointID="All ERP"/> </Qualifier> </Qualifiers> <UnitList> <Unit ID="unece.unit.MTR"> <Name QualifierID="Qualifier root">m</Name> </Unit>
...
</Unit> </UnitList> <Products> <Product ID="15514" ParentID="15499" UserTypeID="Familie"> <!­­ Preview File : 15514.htm­­> <Name QualifierID="eng"> <TranslatableText>Silicon Small Signal Diodes, Axial Lead</TranslatableText> </Name> <ClassificationReference ClassificationID="transltest"/> <ClassificationReference ClassificationID="10_global_01"/> <Values> <Value AttributeID="5359" ... QualifierID="std.lang.all"><character name="ref ... separator=&quot;&quot;"/>...</Value> <Value AttributeID="5547" AttributeName="Titel Familie" QualifierID="eng"> <TranslatableText>Silicon Small Signal Diodes, Axial Lead</TranslatableText> </Value> <Value AttributeID="Bezeichnung_text" AttributeName="Название продукта" InheritedFrom="15499" QualifierID="eng">Small Signal Diode</Value>
...
<MultiValue AttributeID="XMLTransInclude" AttributeName="Language Code"> <Value InheritedFrom="DC­47349" QualifierID="Qualifier root">10 GLOBAL=eng,ger,fre,ita,pol,hun,swe,dan,fin,cze,rus</Value> </MultiValue> <Value AttributeID="creation_date_as400" AttributeName="Creation Date AS400" QualifierID="Qualifier root">2002­05­21</Value> <Value AttributeID="cpmpncat2011_lov" AttributeName="Chapter­PM­PageNumber, CAT2011" InheritedFrom="DC­52993" QualifierID="Elfa01">01;SGx;13­67</Value>
</Values>
</Product>
</Products> </STEP­ProductInformationTranslation>
4) Zamyslet se a vytvořit xpath hlavičky, obsahu a patičky.
Napříkald v našem xml cheme jako hlavičku všechny elementy
žádnout a jako obsah všechny elementy Product . Výsledek viz bod 7.
a Unit . Patičku
Qualifier 5) zamyslet se jak soubor rozdělit. Aby každý soubor měl maximálně 1mega? Vstup má
20mb, co hotakto rozdělit na 20 souborů? ....
6) vytvořit si /muj/konfigurak.conf (viz kapitola a 1 a 2) a zapsat do něj základní
informace:
headerXpath=/STEP­ProductInformationTranslation/Qualifiers | /STEP­ProductInformationTranslation/UnitList contentXpath=/STEP­ProductInformationTranslation/Products/Product
L=1
7) Spustit XMLplitter
java -Xmx1g -jar /tam/kde/je/ulozen/program/XMLsplitter.jar -config=/muj/konfigurak.conf
divSize=20 -i=/adresar/se/soubor.xml -o=/tam/kam/ulozit/vysledek/
Vstup konzultovat s kapitolou 1, vystup s kapitolami 3 a 5. S trochou štěstí tento příkaz
vygeneruje soubory
/tam/kam/ulozit/vysledek/soubor_part0001.xml
...
/tam/kam/ulozit/vysledek/soubor_part0020.xml
7) nechat zpracovat ^^ soubory tak, proč byli rozdělěny
8) spojit soubory:
java -Xmx1g -jar /tam/kde/je/ulozen/program/XMLjoiner.jar -config=/muj/konfigurak.conf „i=/tam/kam/ulozit/vysledek/soubor_part.+.xml“ -checkHeaders -sortA -o=/tam/kam/ulozit/vysledek.xml
Vstup konzultovat s kapitolou 1, vystup s kapitolami 3 a 5. S trochou štěstí tento příkaz
vygeneruje soubor
/tam/kam/ulozit/vysledek.xml
9) Možná Kontrola výsledku
Pro testovací účely je možné před překladem vytvořit opětovně složené soubory (bod 8,
jen spuštěn před zpracováním a s výstupem např do tam/kam/ulozit/vysledek_original.xml
(parametr -o... )
Pustit na tyto aplikace XMLcompare:
java ­Xmx1g ­jar /tam/kde/je/ulozen/program/XMLcomapre.jar /adresar/se/soubor.xml tam/kam/ulozit/vysledek_original.xml ­silent
java ­Xmx1g ­jar /tam/kde/je/ulozen/program/XMLcomapre.jar /adresar/se/soubor.xml tam/kam/ulozit/vysledek.xml ­silent ­ignoreContent
java ­Xmx1g ­jar /tam/kde/je/ulozen/program/XMLcomapre.jar tam/kam/ulozit/vysledek.xml tam/kam/ulozit/vysledek_original.xml ­ignoreContent ­silent
Pokud libovolný z těchto příkazů vypíše chybu srovnání (kapitola 1,3,5) pustit bez parametru
-silent a najít zádrhel. Pokud ne je ve /tam/kam/ulozit/vysledek.xml výsledný přeložený spojený soubor.
5. troubleshooting
Memory – Not enough memory nebo Cant create JavaHeap Space je způsobeno
pravděpodobně chybějícím -Xmx přepínačem pro javu. Oprava – java -Xmx1g -jar ... Xmx je
maximální velikost ram jakou si java alokuje. Can not initiate virtualmnachie naopak
znamená že stroj má méně ram než je specifikováno v Xmx. Zkuste napříkald zmenšit na
-Xmx512m
regex – Pro snadnější vyhledání souborů pro složení je možnost aplikovat regex. Kromě
synatxe samotné - http://download.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html - je třeba
myslet i na escape sekvence příkazové řádky. Tzn správně uvozovkovat a escapovat. Na windows byl
detekován problém se znakem ‚\‘ Tento se používá k escapovaní escape znaků a je třeba ho správně
odescapovat... Většinou stačí použít „-i=/moje/cesta/soubor_delimiter1.+delimiter2.xml“ nebo „i=/moje/cesta/soubor.*[0-9]+.*xml“ či mírně sofistikovanější kombinace.
java - na cílovém systému musí být nainstalována java – at už IBM, SUN, Oracle nebo
OpenJDK, či jakákoliv alternativní. Jednoduchý důkaz je spuštění java -version. Pokud to
napíše něco smysluplného (čili cokoliv kromě program neexistuje, neplatný příkaz, read from
address FFFFFFFF...) je java nainstalována korektně.
sax, valid, wellformed... vstupní XML je rozbité nebo vůbec není XML. Je třeba
prostudovat vstupní soubory.
nullpointer exception – pravděpodobně neexistující nebo rozbité vstupní/vstupní
soubory/adresáře
ClassNotFound, MainClass not found - Je třeba zkontrolovat že v adresáři s aplikaci
anebo v pracovním adresáři je adresář lib se 14 soubory: axiom-api-1.2.9.jar ,axiom-c14n1.2.9.jar , axiom-dom-1.2.9.jar , axiom-impl-1.2.9.jar , commons-collections-3.2.1.jar , commonscollections-3.2.1-javadoc.jar , commons-collections-3.2.1-sources.jar , commons-collectionstestframework-3.2.1.jar , commons-logging-1.1.1.jar , geronimo-activation_1.1_spec-1.0.2.jar ,
geronimo-javamail_1.4_spec-1.6.jar , geronimo-stax-api_1.0_spec-1.0.1.jar , jaxen-1.1.1.jar , wstx-asl3.2.9.jar , A že existuje tké je třeba zkontrolovat že existuej jar kterýje spouštěn. Eg: java -jar
XMLcomapre.jar
xpath http://www.w3schools.com/xpath/default.asp
http://www.w3schools.com/xpath/xpath_syntax.asp
http://www.w3.org/TR/xpath/
... aneb good luck:)